FunASR是一个基础语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离和多人对话语音识别等。FunASR提供了便捷的脚本和...

LHM 是一个单视角输入、端到端的 Transformer 模型，依赖于人体先验模型 SMPL-X 进行驱动，最终输出一个可驱动的高斯 3D 人体模型。你可以把 LHM 看作一个 “魔法工具”，...

Spring AI Alibaba 是一款 Java 语言实现的 AI 应用开发框架，旨在简化 Java AI 应用程序开发，让 Java 开发者像使用 Spring 开发普通应用一样开发 AI...

Qwen2.5-Omni 是阿里通义千问开源的端到端多模态大模型，旨在感知各种模态，包括文本，图像，音频和视频，同时以流式方式生成文本和自然语音响应。 关键特点 Omni 和新颖的架构：我们提出...

Qwen2.5-VL 是阿里云Qwen团队研发的多模态大型语言模型系列。 主要增强功能： 强大的文档解析能力：将文本识别升级为全文档解析，能够出色地处理多场景、多语言、各类内置（手写、表格、图表...

QwQ 是 Qwen 系列的推理模型，相比传统指令调优模型，QwQ 具备思考和推理能力，在下游任务尤其是难题上能取得显著性能提升。QwQ-32B 是中型推理模型，能够与 DeepSeek-R1、...

Wan2.1 是一套全面而开放的视频基础模型，它突破了视频生成的界限。Wan2.1提供以下主要功能： SOTA 性能：Wan2.1在多个基准测试中始终优于现有的开源模型和最先进的商业解决方案。 ...

Qwen2.5-Coder 是阿里云 Qwen 团队开发的大型语言模型系列 Qwen2.5 的代码版本。 强大：Qwen2.5-Coder-32B-Instruct成为目前SOTA的开源代码模型...

Qwen2-Audio 作为一个大规模音频语言模型，Qwen2-Audio能够接受各种音频信号输入，并根据语音指令执行音频分析或直接响应文本。我们介绍两种不同的音频交互模式：语音聊天 voice...

Qwen2 是 Qwen 大型语言模型的新系列。语言模型和多模态模型均在大规模多语言和多模态数据上进行预训练，并在高质量数据上进行后训练，以符合人类偏好。Qwen 具有自然语言理解、文本生成、视...

DreamTalk 是一种基于 diffusion 的音频驱动型表情包生成框架，可以生成高质量的表情包视频，涵盖多种说话风格。DreamTalk 在处理各种输入（包括歌曲、多语言语音、嘈杂音频和...

通义千问-VL (Qwen-VL)是阿里云研发的大规模视觉语言模型（Large Vision Language Model, LVLM）。Qwen-VL 可以以图像、文本、检测框作为输入，并以文...

GraphLearn-for-PyTorch (GLT) 是一个基于PyTorch的图学习库，目的是使分布式GNN训练和推理变得简单和高效。 GLT利用GPU加速图采样，并利用UVA来减少顶点和...

阿里云EasyRec是一款开源的推荐算法框架，该框架包括了数据处理、特征提取、模型训练和推荐服务四个环节，其中包含DeepFM、DIN、MultiTower及DSSM等经典推荐排序和召回算法，可...

Formily 是一个由阿里巴巴集团多 BU 共建的面向中后台复杂场景的表单解决方案，它也是一个表单框架。 它的前身是供应链平台在 2019 年初对外开源的 UForm 解决方案，UForm 的...

Chat2DB 是一款有开源免费的多数据库客户端工具，支持windows、mac本地安装，也支持服务器端部署，web网页访问。和传统的数据库客户端软件Navicat、DBeaver 相比Chat...

TePDist (TEnsor Program DISTributed) 是一个用于 DL 模型的自动分布式训练系统基础设施，而不仅仅是一种算法。 TePDist 系统以客户端/服务器模式运行。...

pont 在法语中是“桥”的意思，寓意着前后端之间的桥梁。 Pont 把 swagger、rap、dip 等多种接口文档平台，转换成 Pont 元数据。Pont 利用接口元数据，可以高度定制化生...

AppActive，是一个面向业务应用构建云原生高可用多活容灾架构的开源中间件。它提供了应用多活容灾架构的标准、实现和 Demo，适用于丰富的业务场景（单 AZ、单 Region、单云、多 AZ...

Bulbasaur 是一个可插拔的精简流程引擎，可快速实现流程、审批、业务失败重试等场景。 bulbasaur分为四个模块，按需加载使用。分别为： 模块 功能 核心模块 bulbasaur-co...